Machine learning (135)
Alle AI-termen binnen Machine learning, in gewone taal.
Machine learning
Markov-beslissingsproces (MDP)
Markov decision process (MDP)
Een Markov-beslissingsproces (MDP) is een wiskundig model voor keuzes die stap voor stap volgen. In het model kiest een beslisser telkens een actie, terwijl de uitkomst niet vaststaat: een deel volgt uit die keuze en een ander deel uit toeval. Onderzoekers gebruiken dit kader om optimalisatieproblemen te bestuderen en de beste reeks keuzes te zoeken, met dynamisch programmeren of reinforcement learning (leren door beloning).
Machine learning
Markovketen
Markov Chain
Een markovketen is een wiskundig model dat een reeks van toestanden en de stappen daartussen beschrijft. Anders dan een systeem dat de hele geschiedenis bijhoudt, hangt hier de kans op de volgende toestand alleen af van de toestand nu. In eenvoudige taalmodellen helpt dit om het volgende woord te schatten vanuit alleen het woord dat nu in de tekst staat.
Machine learning
Mierenkolonieoptimalisatie (ACO)
Ant colony optimization (ACO)
Mierenkolonieoptimalisatie is een rekenmethode die met kans goede paden zoekt in een netwerk van knooppunten. Virtuele mieren bouwen stap voor stap een oplossing en laten een feromoonspoor achter op goede keuzes, zodat latere mieren sterke sporen vaker volgen terwijl zwakke sporen vervagen. Zo helpt de methode een computer een goede volgorde van stappen te vinden in een groot netwerk van keuzes.
Machine learning
Modeltraining
Model training
Machinaal leren (machine learning) is een methode waarbij een AI-model leert van gegevens om taken beter uit te voeren. Het model krijgt veel voorbeelden, zoekt daarin patronen en past zijn interne instellingen aan, terwijl gewone software alleen vaste regels van een programmeur volgt. Zo herkent een spamfilter nieuwe ongewenste e-mails en signaleert een beeldprogramma afwijkingen op medische scans die een arts daarna beoordeelt.
Machine learning
Multi-class classificatie
Multi-class classification
Classificatie met meerdere klassen is een taak die één voorbeeld in precies één klasse uit drie of meer klassen plaatst. Anders dan bij een ja-neekeuze leert het model van voorbeelden met bekende labels en kiest later de klasse met de hoogste kans. Zo herkent een camerasysteem welk soort voertuig in beeld is, zoals een fiets, een auto, een bus of een tram.
Machine learning
Mutatie
Mutation
Mutatie is een stap in een genetisch algoritme die de verscheidenheid in een groep oplossingen bewaart. Het algoritme wijzigt daarbij af en toe één of meer waarden in een kandidaatoplossing, volgens een lage kans die de gebruiker vooraf instelt. Daardoor kan een volgende oplossing flink afwijken van de vorige en soms beter uitpakken, terwijl een te hoge kans het zoeken willekeurig maakt.
Machine learning
Naïeve Bayes-classificator
Naive Bayes classifier
Een naïeve Bayes-classificator is een eenvoudig model dat een voorbeeld op basis van kansen in een categorie indeelt. Het gebruikt de stelling van Bayes en telt daarbij elk kenmerk apart, alsof die kenmerken niets met elkaar te maken hebben. Een mailfilter kan zo inschatten of een nieuw bericht spam is, door de kans van elk woord apart mee te rekenen.
Machine learning
Niet-deterministisch algoritme
Nondeterministic algorithm
Een niet-deterministisch algoritme is een rekenmethode die bij dezelfde invoer verschillend gedrag kan vertonen. Anders dan een deterministisch algoritme, dat steeds hetzelfde pad volgt, kan dit algoritme per uitvoering een andere stap of uitkomst kiezen. Dat kan komen door een toevalsgetal of doordat gelijktijdige stappen in een andere volgorde klaar zijn, zodat dezelfde invoer twee keer een ander resultaat geeft.
Machine learning
Offline leren
Offline learning
Offline learning is een trainingsmethode in machine learning waarbij een model leert van een vaste dataset. Die gegevens blijven tijdens het leerproces hetzelfde, anders dan bij online machine learning, waar het model stap voor stap bijleert van nieuwe gegevens. Een spamfilter kan zo eerst patronen leren uit een vaste verzameling oude e-mails en daarna nieuwe berichten als spam herkennen, zonder tussentijds opnieuw te trainen.




